20200513·Kony·win10

1. 數(shù)據(jù)的導(dǎo)入

1.1 導(dǎo)入csv文件

此方法可以用以導(dǎo)入Excel數(shù)據(jù)，將Excel數(shù)據(jù)轉(zhuǎn)化為csv格式。 CSV是（逗號(hào)分隔值）的英文縮寫，通常都是純文本文件。

其導(dǎo)入R中的數(shù)據(jù)格式為：
mydataframe<-read.table(file, header=logical_value, sep="delimiter", row.names="name")
file:csv文件
header:邏輯值，首先是否包括變量名
sep:分隔符 "delimiter"
row.names:指定一個(gè)或多個(gè)表示行標(biāo)識(shí)符的變量

grades<-read.table("studentgrades.csv",header=TRUE,sep=",",row.names="STUDENTID")
#表示從當(dāng)前目錄中讀取一個(gè)名為studentgrades.csv的逗號(hào)分隔文件
#從文件的第一行取得變量名字，將STUDENTID指定為行標(biāo)識(shí)符
#整個(gè)結(jié)果保存到grades的數(shù)據(jù)框中。

另外一個(gè)導(dǎo)入csv文件的函數(shù)是read.csv()
read.delim和read.delim2分別使用句號(hào)和逗號(hào)作為小數(shù)位來導(dǎo)入制表符分隔的文件

1.2 導(dǎo)入剪切板中的數(shù)據(jù)

通常情況下就是在Excel中復(fù)制，接著輸入以下命令就可以導(dǎo)入數(shù)據(jù)。

data <- read.table("clipboard", header = T, sep="\t")

1.3 導(dǎo)入文本文件

一般采用read.table()函數(shù)和read.csv()函數(shù)實(shí)現(xiàn)文本文件數(shù)據(jù)的讀取，對(duì)于這兩個(gè)函數(shù)有幾個(gè)重要的參數(shù)：

• file：指定外部文件的路徑和文件名；
• header：指定是否將原數(shù)據(jù)的第一行最為字段名，read.table()函數(shù)默認(rèn)設(shè)置為FALSE，而read.csv()函數(shù)默認(rèn)設(shè)置為TRUE；
• sep：指定字段之間的分割符，read.table()函數(shù)默認(rèn)設(shè)置為空格“”，而read.csv()函數(shù)默認(rèn)設(shè)置為逗號(hào)；
• 除此，read.table()函數(shù)還可以設(shè)置讀入數(shù)據(jù)集的行名、列名、字符串是否轉(zhuǎn)換為因子、缺失值的形式等，詳細(xì)可查看read.table()函數(shù)的幫助文檔。

1.4 從scan()導(dǎo)入數(shù)據(jù)

scan()主要用于鍵盤輸入數(shù)據(jù)，詳細(xì)使用方法：

scan(file = "", what = double(0), nmax = -1, n = -1, sep = "",
     quote = if(identical(sep, "\n")) "" else "'\"", dec = ".",
     skip = 0, nlines = 0, na.strings = "NA",
     flush = FALSE, fill = FALSE, strip.white = FALSE,
     quiet = FALSE, blank.lines.skip = TRUE, multi.line = TRUE,
     comment.char = "", allowEscapes = FALSE, encoding = "unknown")

參數(shù)使用如下所示：

• what：聲明讀入為字符類型數(shù)據(jù)，可能指定讀入的精度/類型，例如：what=integer(0)；what=numeric(0)；what=character(0)； 如果SCAN()讀入有字符與數(shù)字，用what=“”來進(jìn)行聲明，則會(huì)把讀入的數(shù)字隱式的都轉(zhuǎn)變成字符；
• sep：指定各個(gè)讀入的數(shù)據(jù)之間的分隔符；默認(rèn)情況下分隔符：空格、tab；如果不是其它分隔符，例如“：/”通過SEP來指定；
  可以通過list指定讀入變量的變量名，同時(shí)生成的對(duì)象為列表，則可以同時(shí)讀入字符與數(shù)字；
• Skip： 從第幾行開始讀入數(shù)據(jù)；
• Nlines：指定最大讀入行數(shù)；
  如果通過鍵盤輸入的時(shí)候，不希望出現(xiàn)下標(biāo)提示，則可以使用：quiet=TRUE；
  encoding =””指定的編碼格式，有時(shí)候讀入的中文可能會(huì)出現(xiàn)亂碼的時(shí)候，可能通過這個(gè)參數(shù)來指定：Latin-1 或者 UTF-8

1.5 使用表格輸入數(shù)據(jù)

mydata<-data.frame(age=numeric(0),
                   gender=character(0),
                   weight=numeric(0))
mydata<-edit(mydata)
## 創(chuàng)建一個(gè)名為mydata的數(shù)據(jù)框，含三個(gè)變量，age為數(shù)據(jù)型，gender為字符型，weight為數(shù)值型。
## edit調(diào)用文本編輯器，鍵入數(shù)據(jù)。
## 其中numeric(0)創(chuàng)建一個(gè)指定模型但不含實(shí)際數(shù)據(jù)的變量。
## 如果再次調(diào)用mydata<-edit(mydata)能夠用來修改數(shù)據(jù)，或者使用fix(mydata)也行。

1.6 使用readxl包來讀取excel文件

readxl包中的幾個(gè)函數(shù)可以讀取excel文件，主要有read_excel，read_xls，read_xlsx。其中各個(gè)函數(shù)的參數(shù)如下所示：

read_excel(path, sheet = NULL, range = NULL, col_names = TRUE,
  col_types = NULL, na = "", trim_ws = TRUE, skip = 0,
  n_max = Inf, guess_max = min(1000, n_max),
  progress = readxl_progress(), .name_repair = "unique")

read_xls(path, sheet = NULL, range = NULL, col_names = TRUE,
  col_types = NULL, na = "", trim_ws = TRUE, skip = 0,
  n_max = Inf, guess_max = min(1000, n_max),
  progress = readxl_progress(), .name_repair = "unique")

read_xlsx(path, sheet = NULL, range = NULL, col_names = TRUE,
  col_types = NULL, na = "", trim_ws = TRUE, skip = 0,
  n_max = Inf, guess_max = min(1000, n_max),
  progress = readxl_progress(), .name_repair = "unique")

參數(shù)意義：

• path：xls/xlsx文件的路徑
• sheet：Excel文件中Sheet的參數(shù)，可以是一個(gè)字符串，也就是sheet的名稱，可以是一個(gè)整數(shù)，它表示sheet的位置。如果不輸入這個(gè)參數(shù)，默認(rèn)輸入第1個(gè)sheet的數(shù)據(jù)。
• range：sheet中單元格的范圍，例如可以輸入range=B2:G14。也可以指定某個(gè)sheet，例如range="mtcars!B1:D5"
• co_lnames： TRUE 使用第一行作為行名， FALSE 使用默認(rèn)的名字，或者是使用一個(gè)字符串或字符串向量來表示第一行的名稱

其余參數(shù)參考readxl資料。

1.7 批量讀取數(shù)據(jù)

讀取N個(gè)Excel文件，并將這N個(gè)Excel文件進(jìn)行合并，分為四種情況，代碼如下所示，其中read_excel函數(shù)所在的包為readxl。
解決方案如下所示：

setwd('D:\\data file\\data1') 
# 設(shè)置R的工作空間
#res <- NULL
data1 <- data.frame()
# 初始化數(shù)據(jù)框，用于后面的數(shù)據(jù)合并
#通過循環(huán)完成數(shù)據(jù)合并
for (i in 1:4){
path <- paste0(getwd(),'\\','test',i,'.xlsx')   # 構(gòu)造數(shù)據(jù)路徑
res <- c(res,path)
data1 <- rbind(data1,read_excel(path = path))   # 讀取并合并數(shù)據(jù)

對(duì)于文件沒有規(guī)律的情況，如下所示：

setwd('D:\\data file\\data2')  # 設(shè)置工作空間
filenames <- dir()   # 讀取該工作空間下的所有文件名
data2 <- data.frame()   # 初始化數(shù)據(jù)框，用于后面的數(shù)據(jù)合并
#通過循環(huán)完成數(shù)據(jù)合并
for (i in filenames){
# 構(gòu)造數(shù)據(jù)路徑
path <- paste0(getwd(),'\\',i)
#res <- c(res,path)
# 讀取并合并數(shù)據(jù)
data2 <- rbind(data2,read_excel(path = path))

對(duì)于文件名沒有規(guī)律的情況，并且只讀取某做后綴的文件，如下所示：

# 加載第三方擴(kuò)展包，用于編寫SQL語句
 library(sqldf)
 # 設(shè)置工作空間
 setwd('D:\\data file\\data4')
 # 讀取該工作空間下的所有文件名
 filenames <- dir()
 # 通過正則，獲取所有xlsx結(jié)尾的文件名
 filenames2 <- grep('\\.xlsx', filenames, value = TRUE)
 # 初始化數(shù)據(jù)框，用于后面的數(shù)據(jù)合并
 data4 <- data.frame()
 #通過循環(huán)完成數(shù)據(jù)合并
 for (i in filenames2){
 # 構(gòu)造數(shù)據(jù)路徑
 path <- paste0(getwd(),'\\',i)
 #res <- c(res,path)
 # 使用read_excel函數(shù)讀取xlsx文件
 data <- read_excel(path = path)
 # 使用sqldf函數(shù)編寫SQL語句，并把結(jié)果合并起來
 data4 <- rbind(data4, sqldf("select id,name,gender,age from data"))

2. 導(dǎo)出數(shù)據(jù)

2.1 導(dǎo)出的路徑

為了避免在導(dǎo)出路徑中使用轉(zhuǎn)義字符，可以使用file.path()函數(shù)來構(gòu)建正確的路徑，這個(gè)函數(shù)的工作原理類似于paste()，如下所示：

file.path("d:","download")
[1] "d:/download"

2.2 導(dǎo)出未txt格式

a
[1]  1  2  4 NA  5  4
b
[1] "a" "b" "c" "d" NA  "4"
c <- data.frame(a,b)
c
  a    b
1  1    a
2  2    b
3  4    c
4 NA    d
5  5 <NA>
6  4    4
write.table(c,file = "c:\\data.txt",sep = ",",quote = FALSE, append = FALSE, na = "NA")

2.3 讀取錯(cuò)誤

R語言讀取Excel文件有時(shí)會(huì)出錯(cuò)，如果要讀取某些Excel表格文件，操作如下所示：

用鼠標(biāo)選中數(shù)據(jù)，然后Ctrl+C復(fù)制；
在Rstudio中輸入：read.table(“clipboard”,header=T)->x1，顯示以下結(jié)果：

Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings,  :    line 2 did not have 8 elements

大概意思是，有兩行數(shù)據(jù)的元素不滿足8個(gè)（即第No.2不滿足8個(gè)元素），無法讀取，因此需要改變一下代碼，如下所示：

x <- read.table("clipboard",sep="\t",header=T)

這樣就能正常讀取了，因?yàn)镋xcel的文件中，每個(gè)單元格就是以制表符將它們分開的，而sep=“\t”的意思就是，讀取數(shù)據(jù)的時(shí)候，以制表符進(jìn)行分割來讀取。

3. R語言與操作目錄

在R中，目錄的表達(dá)方法與Windows有所不同，在Windows中，如果要表示D盤下的某個(gè)目錄，就是D:\biotest，用的是\，而在R中，則是/或\，即D:/biotest或D:\biotest。為了避免在R中使用轉(zhuǎn)義字符，可以使用file.path()函數(shù)來構(gòu)建正確的路徑。這個(gè)函數(shù)類似于paste()，會(huì)將傳入的各個(gè)參數(shù)拼接在一起，與操作系統(tǒng)的設(shè)置無關(guān)，如下所示：

設(shè)置目錄file.path()

file.path("D:","biotest")
[1] "D:/biotest"

使用file.path()來設(shè)置工作目錄非常方便，可以逐一指定目錄，它會(huì)將各個(gè)目錄連接起來，如下所示：

getwd()
[1] "D:/"
setwd(file.path("D:","biotest"))
getwd()
[1] "D:/biotest"

操作文件dir()或list.files()
有的時(shí)候，在R中如果要遍歷某個(gè)指定目錄下的所有文件和文件夾，并對(duì)它們進(jìn)行某種操作，如果要獲得指定目錄下的文件列表，可以使用list.files()或dir()函數(shù)，這兩個(gè)函數(shù)的功能是一樣的，如下所示：

 getwd()
## [1] "C:/Users/Administrator/Documents"

list.files()
## [1] "desktop.ini"      "My Music"        
## [3] "My Pictures"      "My Videos"       
## [5] "SafeNet Sentinel" "Trim28.dna"           

dir() 
## [1] "desktop.ini"      "My Music"        
## [3] "My Pictures"      "My Videos"       
## [5] "SafeNet Sentinel" "Trim28.dna"                    

## 也可以查看某個(gè)特定文件夾的內(nèi)容：
```dir(file.path("C:","My Music","Trim28.dna"))
## character(0)   # 沒有子文件 

返回文件目錄dirname與文件名basename

• dirname函數(shù)只返回文件目錄，不返回文件名
• basename函數(shù)與之相反，只返回文件名，不返回言論的目錄

file_name <- "C:/Program Files/R/R-devel/bin/x64/RGui.exe" ## 自編路徑示例
file_name
[1] "C:/Program Files/R/R-devel/bin/x64/RGui.exe"
basename(file_name)
[1] "RGui.exe"
dirname(file_name)
[1] "C:/Program Files/R/R-devel/bin/x64"

文件操作函數(shù)匯總
常用的幾個(gè)操作文件以及目錄的函數(shù)，如下所示：
list.files：列出某個(gè)目錄下的所有文件
list.dirs： 列出某個(gè)目錄下的所有子目錄
file.exists： 檢查某個(gè)特定的文件是否存在于某個(gè)目錄下
file.create： 創(chuàng)建一個(gè)空文件
file.rename： 重命名文件
file.copy： 復(fù)制文件
file.remove： 刪除文件
unlink： 刪除目錄，例如unlink("tmp", recursive=F) #如果文件夾tmp為空，刪除文件夾tmp；unlink("tmp", recursive=TRUE)#刪除文件夾tmp，如果其中有文件一并刪除
file_test()： 判斷一個(gè)對(duì)象是目錄還是文件，-f為判斷文件，-d是判斷目錄，語法格式為：file_test("-f", "test")。
tempfile： 返回一個(gè)臨時(shí)文件的名稱，例如想要在臨時(shí)文件夾中創(chuàng)建一個(gè)文件，就可以將這個(gè)函數(shù)的返回值傳入file.create()或write.table()函數(shù)中
tempdir： 返回文件系統(tǒng)中臨時(shí)文件目錄的路徑。
dir.create： 創(chuàng)建一個(gè)文件夾或目錄，如果要?jiǎng)?chuàng)建多個(gè)目錄recursive = TRUE
getwd()： 獲取當(dāng)前目錄
setwd() ：設(shè)置工作目錄
choose.dir()： 以窗口的形式設(shè)置工作目錄
dir()：查看當(dāng)前目錄的子目錄和文件，功能與list.files()相同

文件操作案例

現(xiàn)在創(chuàng)建一個(gè)臨時(shí)文件，并將iris數(shù)據(jù)框傳入其中，然后為了測試數(shù)據(jù)是否已經(jīng)寫入，再讀取這個(gè)文件，并將結(jié)果保存到一個(gè)變量中，然后檢查這個(gè)變量，最后將這個(gè)臨時(shí)文件刪除。

第一步，使用tempfile()函數(shù)得到一個(gè)字符串，它表示系統(tǒng)臨時(shí)目錄中的一個(gè)臨時(shí)文件，如下所示：

my.file <- tempfile()
my.file
## [1] "C:\\Users\\ADMINI~1\\AppData\\Local\\Temp\\RtmpuAXHeb\\file293c124d68a6"

結(jié)果返回的是一個(gè)字符串，而不是文件，其實(shí)文件并不存在，現(xiàn)在通過write.csv將iris寫入到my.file，然后使用list.files()來查看R創(chuàng)建的文件，如下所示：

write.csv(iris,file=my.file)
list.files(tempdir())
[1] "file293c124d68a6"                                
[2] "file293c4100540b"                                
[3] "rs-graphics-9007a42f-5665-4be5-9922-901c327e455a"

其中，file293c124d68a6是臨時(shí)文件，使用read.csv將文件導(dǎo)入到一個(gè)名為file.iris的變量中，并使用str()查看，如下所示：

file.iris <- read.csv(my.file)
str(file.iris)
##  'data.frame':   150 obs. of  6 variables:
##   $ X           : int  1 2 3 4 5 6 7 8 9 10 ...
##   $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
##   $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
##   $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
##   $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
##   $ Species     : chr  "setosa" "setosa" "setosa" "setosa" ...

最后為了恢復(fù)文件系統(tǒng)原來的狀態(tài)，使用file.remove()刪除這個(gè)臨時(shí)文件，如下所示：

file.remove(my.file)
list.files(tempdir())這個(gè)文件已經(jīng)被刪除了。
## [1] "file293c4100540b"                                
## [2] "rs-graphics-9007a42f-5665-4be5-9922-901c327e455a" 
## file293c124d68a6這個(gè)文件已被刪除

參考筆記1：R語言基礎(chǔ)-數(shù)據(jù)的導(dǎo)入與導(dǎo)出
參考筆記2：RVDSD